0 added
0 removed
Original
2026-01-01
Modified
2026-03-10
1
<p>Теги: глубокое обучение, deep learning, компьютерное зрение, computer vision</p>
1
<p>Теги: глубокое обучение, deep learning, компьютерное зрение, computer vision</p>
2
<p>Глубокое обучение бывает особенно полезно в таких CV-задачах, когда базовый элемент не несет в себе большого смыслового значения, зато комбинация таких элементов это полезное значение имеет. При этом, говоря о базовом элементе, мы имеем в виду отдельный пиксель изображения, одну частоту сигнала, одну букву или слово.</p>
2
<p>Глубокое обучение бывает особенно полезно в таких CV-задачах, когда базовый элемент не несет в себе большого смыслового значения, зато комбинация таких элементов это полезное значение имеет. При этом, говоря о базовом элементе, мы имеем в виду отдельный пиксель изображения, одну частоту сигнала, одну букву или слово.</p>
3
<p>На деле Deep learning-системы способны извлекать такие полезные комбинации без какого-нибудь человеческого вмешательства (Unsupervised Feature Learning).</p>
3
<p>На деле Deep learning-системы способны извлекать такие полезные комбинации без какого-нибудь человеческого вмешательства (Unsupervised Feature Learning).</p>
4
<p>Те же глубокие нейросети (deep neural network), имеющие более чем 1-2 слоя, раньше считались или нереализуемыми, или просто непрактичными в применении, а до 2006 г. и вовсе внешние слои нейронной сети были неспособны к извлечению ХЧ (features) входных изображений, а все потому, что алгоритмы обучения нейронных сетей были несовершенны.</p>
4
<p>Те же глубокие нейросети (deep neural network), имеющие более чем 1-2 слоя, раньше считались или нереализуемыми, или просто непрактичными в применении, а до 2006 г. и вовсе внешние слои нейронной сети были неспособны к извлечению ХЧ (features) входных изображений, а все потому, что алгоритмы обучения нейронных сетей были несовершенны.</p>
5
<p>На рисунке ниже -<strong>пример системы компьютерного зрения с машинным обучением</strong>. В данном случае стоит задача сегментирования сцены по 3-м типам: - "горизонтальный", - "вертикальный", - "небо".</p>
5
<p>На рисунке ниже -<strong>пример системы компьютерного зрения с машинным обучением</strong>. В данном случае стоит задача сегментирования сцены по 3-м типам: - "горизонтальный", - "вертикальный", - "небо".</p>
6
<p>Пиксельные данные от исходного изображения с цветокоррекцией поступают на нейронную Deep learning-сеть, где осуществляется предварительная обработка изображения и распознавание, к какому именно типу рельефа относится каждый пиксель, причем с известной степенью вероятности.</p>
6
<p>Пиксельные данные от исходного изображения с цветокоррекцией поступают на нейронную Deep learning-сеть, где осуществляется предварительная обработка изображения и распознавание, к какому именно типу рельефа относится каждый пиксель, причем с известной степенью вероятности.</p>
7
<p>В качестве второго наглядного примера приведем распознавание рукописных цифр с применением простой одноуровневой нейронной сети:</p>
7
<p>В качестве второго наглядного примера приведем распознавание рукописных цифр с применением простой одноуровневой нейронной сети:</p>
8
<p><em>По материалам сайта https://www.tadviser.ru/index.php.</em></p>
8
<p><em>По материалам сайта https://www.tadviser.ru/index.php.</em></p>
9
9